《二元logistic逻辑回归分析3》由会员分享，可在线阅读，更多相关《二元logistic逻辑回归分析3（3页珍藏版）》请在金锄头文库上搜索。
1、Logistic 模型1.财务比率值与发生财务危机的概率之间关系可能是非线性的。为服务于对两分类定性因变量 的多元非线性分析，选取对财务危机有较好判别分类效果的Logistic回归分析。本文通过两种方法来检验代表利益相关者行为的指标对企业危机的解释作用: 一是以截距模 型作为标准， 通过计算- 2LL 值， 比较在加入其他自变量后新的模型与数据的拟合水平是否有显 著提高， 即这些变量是否象模型假设的那样提供了对因变量变化的解释。 - 2LL 报告值越大， 意 味着回归方程的似然值越小， 说明模型的拟合程度越差， 行为指标对危机事件的解释作用较差； 反之， 报告值越小， 意味着回归方程的似然值越
2、接近1， 标志模型的拟合程度越好， 说明指标对 危机事件有较好的解释作用。二是根据构建的Logistic模型回判样本数据，判别正确率高则说明 变量有解释作用， 由此来判定相关利益人是否采取了正确行动。（1）为了与代表各利益相关者行为指标所构建的模型进行比较， 本文首先以普通财务比率为 变量检验样本数据组间差异是否显著，并检验Logistic模型对样本数据的分类效果。构建了一个包含四项财务比率的logistic模型：P - （G7. 7441/?E_ Z1 + flEQ-判断出gistic模型对样本数据有很好的判别效果。（2）对均值差异选用非参数检验，并进行数据分析。（3）分别将代表相关利益行为
3、的各项指标纳入Logistic模型，为财务危机前1 3年的样本数 据分别构建3个模型，对模型的似然值、卡方值及显著性水平进行整理。表2logistic模型的似然值与卡方值管理人员行为银行行为供应商行为_ 2LL 值卡方值显著性_ 2LL 值卡方值显著性-2LL 值卡方值显著性危机前1年106 661& 11Q 00122 252 51Q 47121. 413 36Q 07危机前2年114 151Q 61(1 06116 947. 83(1 05124 390 37Gl 54危机前3年106 9817. 79(1 0012(1 034. 74(1 19124 510 25(1 61（4）结合-2
4、LL值、卡方值，进行显著性判断。如危机发生前一年加入代表管理人员行为的五项指标后，-2LL值从124.77下降至106.66,卡方值18.11,在0.00水平上显著；加入代表银行 行为的三项指标后, 卡值为2.51, 模型不显著; 加入代表供应商行为的指标后, 卡方值为3.36, 在0.07 水平上显著。(5) 以50% 为分割点, 计算各模型对样本企业的判别准确率，然后依据数据进行分析。参考文献：邢精平.企业财务危机中相关利益人行为研究J.经济研究,2004,08:57-63.2.1)变量选择。选取性别、年龄、家庭收入等13项指标作为解释变量，变量统计性描述为：类别娈量名祢说明影响假设被解释
5、变量居民点整理意愿丫是一1;否=0性别/男一1；女=2个人特征变量年龄工230岁以下=1；3040岁=2；4150岁=3；5160岁=4；60岁以上=5文化程度期小学及以下=1;初中=2；高中中专=3；大专=4；大学及以上=5+职业斗种地亠1；手工业=2；打渔=3；赋闲在家=4；个体户=5；机关事业=6；打工=7；其他=8+家庭经济状况家庭收入Z52万以下=1；25万=2；58万=3；8万以上=4+收入主要来源工6农业=1;渔业=2；工资=3；个体经营=4；其他=5+住房套数可1处=1;大于1处=2+家庭住房状况房屋层数邓瓦房或平房=1;2层=2；3层=3；3层以上=4；别墅=5+房龄观5年以
6、下=1；510年=2；1120年=3；2130年=4；30年以上=5+家庭人口 JC1O实际数据输入值其他因素劳动力人数-ru实际数据输入值耕地面积42实际数据输入值与邻居血缘-r 13有=1 ；没有=0(2)本文采用Collinearit Diagnostics 中方差膨胀因子(Variance Inflation Factor,VIF) 与条件指数(Condition Index,CI)判别变量间的多重共线性。(3) 为检验模型能否用来分析问题，对模型的拟合优度进行检验.表3模型参数回归结果Tab. 3 Results of Parameter Regression变量S.E,WaldSi
7、g.p工1一0 969a 3179. 32510.002-0. 169一1 6140h 15016. 66910. 001-0.05.10 261a 2111_ 53310. 2160.030工46 198a 0727. 67410. 0060.008工51 788a 20814. 37510.0050.090工E0 239a 1821_ 73310. 1880. 024a 993a 3896. 52010. 0110. 213CL 164a 2220_ 54410. 46.10. 020a 395a 1616.00510. 0140.03510-a 004CL 1400.00110. 975
8、-0.000-a 203a 2050_ 98310. 32.1-0.02312-a 314a 1167. 26910. 007-0.02013-a 975a 3507. 78210.005-0. 188由回归结果可知，影响农村居民点整理意愿的显著因素包括性别（0.002）、年龄（0.001）、 职业（0.006）、家庭收入（0.005）、住房套数（0.001）、房龄（0.014）、耕地面积（0.007）、 与邻居血缘（0.005）等。其中，影响最大的变量依次是住房套数（0.213）、与邻居血缘（0.188）、 性别（0.169）、家庭收入（0.090）、年龄（0.051）、房龄（0.035）、耕地面积（0.020）、职 业（0.008）.根据以上数据进行分析。参考文献：邵子南，陈江龙，叶欠，苏勤.基于农户调査的农村居民点整理意愿及影响因素分析J.长江流域资源与环境,2013,09:1117-1122.
